Концепцията за умните градове привлича интереса на много градове, административни индустриални и изследователски организации на национално, европейско и международно ниво. Все още обаче текущите инициативи са фокусирани основно върху подобряването на условията на живот в градовете и често са свързани със специфични градски проблеми като например създаване на системи за електронни билети, „умно“ улично осветление, намаляване на замърсяването и др.

Отвъд „умния“ град е богатият на информация град, представен с интелигентни модели, които подпомагат планирането, проектирането, симулирането и анализа на всички измерения на града, използвайки потенциала на големите данни и изкуствения интелект.

Научните изследвания в темата „Градове на бъдещето” са фокусирани в следните области.

Семантично обогатените 3D градски модели са фундаментална основа за създаването на цифрови двойници на градовете. Те осигуряват цифрово представяне на градските райони и улесняват следващите анализи и симулации като например симулации на разпространение на замърсители, шум и вятър, анализ на енергийна ефективност и др., които изискват поставяне на архитектурния дизайн и градската среда в контекст (например анализ на зрителните коридори и засенчване, откриване на колизии при окабеляване и тръбопроводи под земята, въздействие на вятъра върху фасадите на сградите). Разработването на семантично богати 3D градски модели включва следните насоки за изследване:

  • Консистентност между модели
  • Семантична оперативна съвместимост на данни
  • Качество и управление на данните

Семантично богатите 3D градски модели отключват потенциала на алгоритмите и техниките за гео-пространствен изкуствен интелект (Geospatial Artificial Intelligence – GeoAI), свързан с географско откриване на знания от пространствени големи данни и отвъд това. GeoAI съчетава силните страни на науката за пространствените данни и изкуствения интелект за справяне с реални проблеми чрез прилагане на интердисциплинарен подход (съчетаване на различни научни области, включително компютърни науки, пространствени науки, строително инженерство, архитектурен дизайн, статистика, машинно самообучение и др.). Методите и подходите от науката за пространствените данни следват жизнения цикъл на големите данни, включвайки стъпки за управление на данните, тяхната интеграция, моделиране, анализ и визуализация.

Необходимо е разработването на усъвършенствани методи за симулация и визуализация, които да прогнозират бъдещото поведение на градската среда и да визуализират както качествени, така и количествени данни, като представят социални и екологични параметри, влияещи върху качеството на живот на хората. Симулациите подпомагат градското планиране чрез представяне на важни градски характеристики и рискови сценарии като микроклимат, комфорт спрямо вятъра, качество на въздуха, наводнения, излагане на шум и електромагнитно поле. Предизвикателство е да се намери подходящо ниво на визуализация на данните (ниво на детайлност и ниво на абстракция), както и абстракция на представяне, без да се губи богатството на информацията. Новите методи и инструменти се разработват, осигурявайки комбинация от наблюдения в реалния свят и експерименти с виртуална реалност, прилагайки както физиологични, така и поведенчески техники, насочени към различни сетива като зрение, слух, допир и движение.

Повече за научноизследователската работа в тази приложна област ще намерите на: http://city.gate-ai.eu/